NVIDIA、日本のエージェント型AI開発に利用できる合成ペルソナデータを公開

　NVIDIAは、日本語AIの開発を支援する2つの合成データセット「Nemotron Personas Finance Japan」「Nemotron PII Japan」をHugging Faceで公開した。

「Nemotron Personas Finance Japan」は、日本社会を反映した合成ペルソナを金融領域に拡張したもので、「Nemotron PII Japan」は日本語文書に含まれる個人識別情報の検出、マスキング用モデルの開発に利用できる。開発には、日本の主要な金融機関からの協力の元、作成された。

　これら2つのデータセットは、精度と計算効率を両立し、企業がAIエージェントを低コストで開発、展開できるシステムNVIDIA Nemotronの一部。

　AIエージェントによる業務遂行時には、それぞれ使用する国特有の言語、文化、人口動態、業界固有の状況などを正確に反映することが求められる。しかし、個人情報を含むデータは、プライバシーやセキュリティの観点から、取得、利用、共有が難しく、特に金融、医療、公共などの領域では、この制約が厳しい。今回公開された合成データは、実在する個人の情報を使わずに、必要な属性や文書構造を再現することができ、地域と業界の要件に即したAIをより安全に開発、評価できる環境を広げることができる。

Nemotron Personas Finance Japan

　Nemotron Personas Finance Japanは、2025年に公開された公的な人口統計や労働統計に基づく100万レコードから、600万件の日本人合成ペルソナを生成したオープンデータセット。Nemotron Personas Japanの基本属性と個人コンテキストを引き継ぎながら、金融領域のAI開発やユーザーシミュレーションに役立つ属性とペルソナを追加。収入や資産などの属性を含め、支出、貯蓄、投資、金融上の意思決定をより現実的かつ多様に表現できる。データセットは100万サンプルを基盤とし、ペルソナ数を900万件へ、総トークン数を約14億から約15億へ拡張している。

　なお、これらのデータは、公開統計から確率的グラフィカルモデルを用い属性をサンプリングし、個人コンテキストとペルソナを生成しているため、すべての人物データは人工的に生成され、実在する個人とは結びついていないデータとなっている。

Nemotron PII Japan

　Nemotron PII Japanは、個人識別情報を含む日本語文書を想定して生成した、10万件規模の完全合成データセット。医療、金融、行政、雇用、教育、法律、IT/セキュリティ、Eコマースの8分野を対象とし、診断書、ローン審査書類、住所変更届、申請書など、43種類の文書を収録している。

　各文書には、氏名、住所、メールアドレス、各種識別番号などの個人識別情報が文中のどこにあり、どのカテゴリーに該当するかを示すデータの意味を示す注釈が付与されている。実在する個人情報を一切使用せず、文書と正解ラベルがセットで提供されるため、個人識別情報の検出やマスキングを行なうモデルの追加学習、評価、改善に活用することができる。